Meta在博客中發(fā)表了一項(xiàng)新的開(kāi)源音頻壓縮技術(shù)EnCodec，聲稱壓縮后的文件大小比MP3格式小10倍。

據(jù)報(bào)道，Meta的基礎(chǔ)人工智能研究團(tuán)隊(duì)在AI驅(qū)動(dòng)的音頻超壓縮領(lǐng)域取得了成功，構(gòu)建了一個(gè)三部分系統(tǒng)，并對(duì)其進(jìn)行端到端的訓(xùn)練，將音頻數(shù)據(jù)壓縮到目標(biāo)大小，然后使用神經(jīng)網(wǎng)絡(luò)對(duì)這些數(shù)據(jù)進(jìn)行解碼。

與64 kbps的MP3相比，Meta的新技術(shù)EnCodec在不損失質(zhì)量的情況下，實(shí)現(xiàn)了10倍左右的壓縮率。

EnCodec的三個(gè)部分包括:

編碼器:獲取未壓縮的數(shù)據(jù)，并將其轉(zhuǎn)換為更高維度和更低幀率的表示形式。

量化器:將此表示壓縮到目標(biāo)大小，并通過(guò)將量化器訓(xùn)練到所需大小來(lái)重建原始信號(hào)，同時(shí)保留最重要的信息這種壓縮后的表示存儲(chǔ)在磁盤(pán)上或通過(guò)網(wǎng)絡(luò)發(fā)送，相當(dāng)于電腦上的. mp3文件

解碼器:將壓縮后的信號(hào)盡可能地轉(zhuǎn)換回與原始信號(hào)相似的波形有損壓縮的關(guān)鍵是識(shí)別人類無(wú)法感知的變化，因?yàn)樵诘痛a率下不可能實(shí)現(xiàn)完美重建為此，EnCodec使用鑒別器來(lái)提高生成樣本的感知質(zhì)量，并創(chuàng)建了一個(gè)類似貓捉老鼠的游戲，其中鑒別器的工作是區(qū)分真實(shí)樣本和重構(gòu)樣本壓縮模型試圖通過(guò)推動(dòng)重建樣本在感知上與原始樣本更相似來(lái)欺騙鑒別器

本站了解到，Meta表示該技術(shù)尚未覆蓋視頻，但目前正在計(jì)劃中它的目標(biāo)是改善視頻會(huì)議，流媒體電影和在VR中與朋友玩游戲的音頻體驗(yàn)

論文地址:點(diǎn)擊此處查看。

GitHub開(kāi)源頁(yè)面:點(diǎn)擊此處查看